LM算法

摘要： 为提高汽车主动防碰撞系统的预警精度,提出了一种基于路面构造特性的附着系数识别方法。首先通过激光扫描仪扫描不同类型和不同磨耗程度的沥青路面,获取路表纹理形貌的三维坐标,在Matlab中编制程序计算出MTD、MPD等7个路面构造特征参数数值;然后对特征参数进行相关性分析,选取MTD、MPD、Rq和Δq作为评价路面附着系数的代表性表征指标;最后应用BP神经网络建立附着系数与代表性表征指标之间的关系模型,并用实测数据对模型进行训练和验证。结果表明:通过MTD、MPD、Rq、Δq等四个路面构造特征参数及建立的神经网络模型,能够较好地预测路面附着系数。

摘要： 针对螺旋锥齿轮加工过程中因无法避免误差而导致齿面加工精度难以保证的问题,提出螺旋锥齿轮加工误差控制模型及加工参数修正方法。首先,基于实际加工中的刀具与工件相对位置与相对运动关系,依据坐标齐次变换与啮合原理,确定加工参数与加工曲面之间的函数关系,建立螺旋锥齿轮精确齿面模型;然后,计算实际加工齿面与理论齿面的法向距离,从而建立由加工参数驱动的齿面几何误差控制模型;接着,对加工参数进行敏感性分析,选取敏感性较高的加工参数作为误差补偿模型优化变量,以提高优化效率;最后,将齿面误差最小化问题转化为最小二乘法问题,基于改进的L-M算法进行求解,得到加工参数补偿量,以此对加工参数进行修正达到减小齿面加工误差的目的。采用一对由双重螺旋法磨削加工得到的螺旋锥齿轮副作为应用实例,对该方法进行实际加工验证,结果表明:加工参数调整后,螺旋锥齿轮齿面加工误差降低了65%以上,实际测量的齿面绝对误差均不超过0.005 mm,能够满足工程实际需求,证明该方法能够有效提升齿面加工精度。该方法可为螺旋锥齿轮乃至其他复杂曲面零件加工提供一种加工误差补偿思路。

摘要： 针对视觉SLAM后端非线性优化存在计算速度慢、优化效果差等问题,采用BA图优化方法,对其求解策略列文伯格-马夸尔特(LM)算法进行改进,改善LM算法计算过程中雅可比矩阵可能存在的奇异性或病态问题,增强LM算法的稳定性,提高LM算法的效率和BA-SLAM的精度。改进的算法将前一次的迭代结果引入到后一次信赖域半径的计算中,可减小因当前解远离解集时目标函数较大所产生的影响,同时在不假设雅可比矩阵非奇异的条件下,使其具有二阶收敛性,提高算法的稳定性和计算速度,提升光束平差法中LM算法的稳健性与效率。仿真实验结果表明,提出的改进LM算法与传统LM算法和文献[6]提出的改进LM算法相比,在相同精度时使用的迭代次数更少,计算效率高;采用改进LM算法的光束平差法具有更高的优化精度和稳健性。

摘要： 为了准确、有效、实时估计智能电网中配电网线损,提出了一种基于神经网络模型的智能电网线损估计方法.在BP神经网络算法的基础上采用LM算法对神经网络权重和阈值进行连续优化从而实现网络自适应调节,进而搭建神经网络模型.将模型应用于IEEE33节点系统进行实验,实时估计每条线路的功率损耗并将估计线损值与实际测得的线损值进行比较并提出相应的评估指标对方法有效性进行评估.结果表明,与传统的潮流法相比,所提出的方法具有更优的运算速度和准确度.

摘要： 针对污水处理过程具有复杂非线性特性以及出水BOD难以精确测量的问题,文中提出一种基于变宽度的逆平方根和高斯函数线性组合的RBF神经网络软测量方法。神经网络的激活函数由逆平方根函数和高斯函数线性组合,弥补了单一激活函数在某些区间饱和的问题,提高了隐层激活函数的表达能力和自适应能力。由于激活函数的宽度对模型的泛化性能有较大的影响,因此引入基于核密度的变宽度策略可以有效提高网络泛化能力。文中采用改进LM算法实现了神经网络参数的在线学习。基于污水处理过程实际运行数据的仿真实验表明,所提方法对于出水BOD具有较高的预测精度和良好的自适应能力。

摘要： 针对水文系统的高度非线性关系,采用BP神经网络模型,通过经验公式和迭代得到隐藏层个数,使用L-M(Levenberg-Marquardt)算法优化权值,分别建立2-3-1和4-8-1网络拓扑结构的BP_(1)、BP_(2)模型,选取永翠河流域中的带岭(二)站的实测数据进行径流预报。结果表明,BP_(1)模型的拟合度高,预测结果的合格率低,出现此情况的原因可能为数据样本较少,模型陷入局部最优。BP_(2)模型的拟合较前者低,但合格率高,且预测结果可达到精度要求,可作为径流模拟的方法之一,为流域径流模拟提供依据。

摘要： 四旋翼无人机上搭载的低成本MEMS传感器易受安装、测量、信号传输等误差的影响,导致姿态输出精度不足。为此,提出一种基于Levenberg-Marquardt (L-M)算法的三轴加速度计18个位置和三轴陀螺仪联合校正方法。在考虑传感器误差的基础上,采集并筛取3种传感器有效的输出数据,利用L-M算法对各传感器误差模型的待求参数进行最优估计。实验结果表明:校正补偿后,加速度计校正指标相比下降了98.96%,陀螺仪校正指标下降了74.33%,磁力计数据模值相比校正前与当地磁场强度差值大幅减小。此校正方法能够实现四旋翼机载MEMS传感器误差的有效补偿,具有良好的工程应用价值。

摘要： 针对永磁同步电机控制中传统机械传感器容易故障或失效,常规无传感器转子位置估计方法实现复杂、计算量大、易受干扰等问题,提出了基于LM算法神经网络的永磁同步电机转子位置估算器。通过采集两相静止坐标系下电压、电流以及与转子位置相关联的数据集来创建估算器模型,针对标准BP神经网络算法收敛速度慢、效率低的问题,将采用LM算法对数据集进行训练,将训练好的模型与锁相环结合,动态估算永磁同步电机转子的位置。仿真结果表明,该方法能有效估算转子位置,估计精度较高、收敛速度快且具有较强的鲁棒性。

摘要： 粮食的储备对于一个国家来说十分重要,是关乎民生的重要战略资源。储粮对于温度要求十分严格,机械通风是保持粮仓环境温度的重要方法。针对传统机械通风不能准确识别通风时机而导致的风机损耗和粮食损害问题,选用RBF神经网络建立温度预测模型,利用粒子群算法(Particle Swarm Optimization,PSO)及列文伯格-马夸尔特算法(Levenberg-Marquard,LM)优化网络的参数。仿真结果可以看出,用PSO算法和LM算法优化后的神经网络模型预测精度更加准确,与用PSO优化后的RBF神经网络进行比较后可知,PSO-LM-RBF算法预测误差小,模型更加稳定。

摘要： 在时差信息冗余情况下求解非线性方程时,采用到达时差定位法(TDOA)的雷电定位系统会出现求解发散问题,而我国油罐系统等雷电敏感系统多经历了雷声和电磁探测的雷电定位技术发展过程.对此,提出一种有效融合雷电声波信号和放电电磁信号的TDOA雷电定位改进方法.根据已有站点信息将目标区域划分为16个子区域,在子区域内利用L-M迭代算法实现监测目标区域的雷电定位,提升TDOA雷电定位系统的定位精度和抗误差扰动能力.结果表明:传统法的雷电定位误差均值为203.2 m;所提方法经过声波信息融合和L-M算法改进后,雷电定位误差均值减小为108.4 m,监测目标区域边缘雷电定位精度提高了51.2%.研究对改进已有雷电定位系统和有效利用声波信息具有实际意义.

摘要： 卫星授时系统中所采用星载钟的性能是实现高精度授时的重要保障,而钟差是精密授时的重要误差源.本文提出了基于钟差差值数据的LM-BP神经网络模型,首先通过对原始钟差数据做一阶差分处理,以降低数据的复杂度,然后采用LM优化算法,改善BP网络易陷入局部最优的缺点,充分利用神经网络的自主学习能力对GPS卫星钟差进行短期预报,并与灰色系统模型进行比较.选取IGS提供的精密钟差数据进行试验,结果表明,该模型泛化能力强,预测效果较好,短期钟差预报精度均在1ns以内,能够满足实时钟差预报的需求.

摘要： 卫星授时系统中所采用星载钟的性能是实现高精度授时的重要保障,而钟差是精密授时的重要误差源.本文提出了基于钟差差值数据的LM-BP神经网络模型,首先通过对原始钟差数据做一阶差分处理,以降低数据的复杂度,然后采用LM优化算法,改善BP网络易陷入局部最优的缺点,充分利用神经网络的自主学习能力对GPS卫星钟差进行短期预报,并与灰色系统模型进行比较.选取IGS提供的精密钟差数据进行试验,结果表明,该模型泛化能力强,预测效果较好,短期钟差预报精度均在1ns以内,能够满足实时钟差预报的需求.

摘要： 卫星授时系统中所采用星载钟的性能是实现高精度授时的重要保障,而钟差是精密授时的重要误差源.本文提出了基于钟差差值数据的LM-BP神经网络模型,首先通过对原始钟差数据做一阶差分处理,以降低数据的复杂度,然后采用LM优化算法,改善BP网络易陷入局部最优的缺点,充分利用神经网络的自主学习能力对GPS卫星钟差进行短期预报,并与灰色系统模型进行比较.选取IGS提供的精密钟差数据进行试验,结果表明,该模型泛化能力强,预测效果较好,短期钟差预报精度均在1ns以内,能够满足实时钟差预报的需求.

摘要： 卫星授时系统中所采用星载钟的性能是实现高精度授时的重要保障,而钟差是精密授时的重要误差源.本文提出了基于钟差差值数据的LM-BP神经网络模型,首先通过对原始钟差数据做一阶差分处理,以降低数据的复杂度,然后采用LM优化算法,改善BP网络易陷入局部最优的缺点,充分利用神经网络的自主学习能力对GPS卫星钟差进行短期预报,并与灰色系统模型进行比较.选取IGS提供的精密钟差数据进行试验,结果表明,该模型泛化能力强,预测效果较好,短期钟差预报精度均在1ns以内,能够满足实时钟差预报的需求.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 星载雷达全波形数据包含着地物的回波特征信息,为了从全波形数据中获取振幅,脉冲宽度,脉冲位置以及多回波的分布等信息,本文提出一种结合拐点匹配和LM参数优化算法的星载雷达全波形分解方法.首先,选择高斯混合模型来表达回波波形,并通过脉冲峰值点的检测和拐点的匹配,完成全波形初始参数的有效估计;然后,利用LM算法进行全波形的拟合和参数的优化,并寻找遗漏的回波分量,最终完成高斯分量的提取.利用提出的算法,对典型区域的ICESat-GLAS全波形数据进行波形分解实验.实验结果表明:在不同的地物类型条件下,所提的方法均能够有效的实现对全波形数据的分解,特别是对叠加波形数据和多回波数据的分解,最终完成对回波分量的有效提取.

摘要： 目的：研究BP神经网络模型在树高预测中的应用,分析比较不同森林调查因子及不同神经网络训练算法对平均树高预测的影响,为树高预测提供新的方法. 方法：以吉林省长白落叶松人工林为对象,基于168块固定样地的314个观测数据,运用BP神经网络建模技术建立了林分平均树高生长模型.输入因子首先加入年龄,然后依次加入立地因子及林木竞争因子,分析立地因子及林木竞争因子对树高的影响.基于Matlab R2016b中的Sigmoid函数和线性函数为神经元的传递函数,分别采用贝叶斯正则化算法和Levenberg-Marquatdt算法(简称L-M算法)对网络进行训练,对比分析了贝叶斯正则化算法和L-M算法作为训练函数的差异. 结果：与L-M训练算法相比,贝叶斯正则化训练算法具有更好的泛化能力.模型中依次加入年龄、立地因子、林木竞争因子后,树高的拟合精度呈现出相同的上升趋势.采用贝叶斯正则化训练算法,当年龄作为输入因子时,决定系数R2为0.5210,均方根误差(RMSE)为2.0917,平均绝对误差(MAE)为1.6276.加入立地因子后,决定系数R2提高至0.5736,提高了10.10％,均方根误差(RMSE)为1.9736,降低了5.65％,平均绝对误差(MAE)为1.5797,降低了2.94％;在此基础上,加入林木竞争因子后,决定系数R2为0.8455,增长了47.40％,均方根误差(RMSE)为1.1879,下降了39.81％,平均绝对误差(MAE)为0.9685,下降了38.69％. 结论：利用贝叶斯正则化BP神经网络可以准确地预测长白落叶松人工林的平均高.立地因子及林木竞争因子能够较好地提升林木生长预测的精度,且林木竞争因子对树高的影响明显大于立地因子.

摘要： 一种基于LM算法和粒子滤波算法优化的工业机器人标定方法，本发明涉及工业机器人标定方法，本发明目的在于解决现有工业机器人的标定技术精度低、适用性不强、操作繁琐的不足的问题，标定方法包括：步骤一：在工业机器人工作空间均匀地选择若干个点，使工业机器人末端到达这些点并使用激光跟踪仪记录工业机器人关节角度值和末端点空间坐标；步骤二：根据记录工业机器人关节角度值和末端点空间坐标建立引入关节扭转角的MDH模型和微分误差模型，获取待标定的运动学参数；步骤三：将得到的待标定参数通过LM算法和粒子滤波算法对参数进行迭代优化，获得标定后的参数：步骤四：将获得标定后的参数输入控制器中，实现补偿。本发明用于机器人标定领域使用。

摘要： 本发明公开了一种基于光流法与LMS算法消除生命体征检测中体动影响的方法，包括以下步骤：从雷达传感器采集的回波信号中获取生命体征信号，并从该信号中提取呼吸信号和心跳信号；通过视频传感器采集待测对象的视频图像，并选取ROI区域；通过光流法获取每帧图像中ROI区域中每个像素点的光流矢量，并根据所得光流矢量求取待测对象相对于雷达传感器的位置变化；根据位置变化，利用LMS算法消除待测对象的体动，从而获得更优的生命体征信号。本发明通过单个雷达传感器与视频传感器结合实现，成本低；同时通过光流法和LMS算法结合能有效消除由人体随机运动产生的影响，无需在待测对象身上附加额外测试装置且不会引起其不适感，方法有效可行且性能可靠。

摘要： 一种基于LM算法和粒子滤波算法优化的工业机器人标定方法，本发明涉及工业机器人标定方法，本发明目的在于解决现有工业机器人的标定技术精度低、适用性不强、操作繁琐的不足的问题，标定方法包括：步骤一：在工业机器人工作空间均匀地选择若干个点，使工业机器人末端到达这些点并使用激光跟踪仪记录工业机器人关节角度值和末端点空间坐标；步骤二：根据记录工业机器人关节角度值和末端点空间坐标建立引入关节扭转角的MDH模型和微分误差模型，获取待标定的运动学参数；步骤三：将得到的待标定参数通过LM算法和粒子滤波算法对参数进行迭代优化，获得标定后的参数：步骤四：将获得标定后的参数输入控制器中，实现补偿。本发明用于机器人标定领域使用。

摘要： 本发明公开了一种可变步长LCMV‑LMS算法的宽带波束成形方法，通过快速傅里叶变换将宽带信号转换到频域，采用多组滤波器对各个频点下的窄带信号进行独立的波束成形，同时可变步长的LCMV‑LMS算法可以在无需参考信号前提下，减少运算复杂度，做到收敛速度与功率稳态误差之间平衡，满足宽带数字信号的抗干扰滤波。本发明将基于线性约束最小方差准则的最小均方算法推广到宽带信号波束成形，避免了每个窄带的矩阵求逆，算法原理简单，能够有效降低硬件资源的占用。本发明提供的步长因子更新公式仅包含一次除法运算，且分母为2的整数次幂，在现场可编程逻辑门阵列等逻辑硬件中仅需进行移位操作即可。

摘要： 本发明公开了一种基于改进箕舌线函数LMS算法的自适应TOF计算方法及采用该方法的测厚技术，该计算方法通过采集超声回波信号，将改进箕舌线函数与LMS算法结合，获得一种基于改进箕舌线函数LMS算法的自适应TOF计算方法，通过计算输入信号的自相关均值来估计获得期望信号，然后利用自相关均值改进箕舌线函数的步长调节因子和波形控制系数，从而加快权值的收敛速度，提升算法的性能，最后利用自适应算法迭代求解脉冲响应序列，计算出自适应TOF；在结合被测件声速，即可计算出其厚度。本发明自适应TOF计算方法性能稳定、计算简单、处理速度快，使用在超声波测厚的声时计算中，能够较明显提升超声波测厚的精度与效率。

摘要： 本发明公开了一种基于状态反馈x‑LMS算法的发动机主动悬置控制方法，其步骤包括：1基于Sage‑Husa卡尔曼滤波器的系统状态估计；2基于状态反馈的主动控制力的计算；3基于残余振动信号均方差的抽头权向量计算。本发明能够在不依赖激励信号的条件下，以系统状态为参考信号，实现一种具备全频带控制能力的主动悬置x‑LMS状态反馈控制方法。

摘要： 本发明涉及光纤监测技术领域，公开了一种基于Gaussian‑LM算法进行全声态光纤监测的方法，包括：根据光源的接收装置接收检测到的电信号，并通过主机将电信号转化为光信号；将光信号输入进铠装电缆，光信号经过光缆受路线后随声纹振动进行信号波动，采集光信号波动数据；使用光源转换装置将光信号波动数据转换后输入进光谱仪中获取光谱数据，将光谱数据进行数据迭代后获取高斯拟合系数，选取高斯拟合系数输入进Gaussian‑LM算法中后，在信号传输装置中对光信号波动数据进行自适应调整，获取调整后的光信号，将光信号转为电信号；使用无线传输系统将电信号上传至人工智能数据库中进行人工智能对比，通过声纹之间的对比判断正在发生的事件类型，对异常事件进行及时预警。

摘要： 本发明公开一种基于混合盒约束LM算法的柴油发电车参数化建模方法，该方法包括：①建立柴油发电车模型；②采用动态系统的非线性最小二乘问题表述柴油发电车模型的参数化问题；③采用混合盒约束Levenberg‑Marquardt(H‑BCLM)算法，参数化柴油发电车模型。本发明基于混合盒约束Levenberg‑Marquardt算法，可以在无需进行初始估计的情况下生成一套完整的柴油发电机模型参数，算法通过允许整合和消除没有物理意义的无效解来提高解的质量，算法始终收敛并可以大幅度降低匹配误差，高效解决柴油发电机模型参数化问题。

摘要： 本发明公开了一种基于LMS自适应算法的充电桩充电功率适配系统，充电桩功率输出模块用于功率输出，并采集充电桩输出功率数据；充电桩功率输出模块用于采集充电桩输出功率数据；充电功率缩放模块可接收充电桩输出功率数据和电动汽车需求功率数据，通过接收的数据计算得到不同充电时刻Sn下充电桩需要输出的功率，并经过调整输出功率后，使得不同充电时刻Sn下充电桩的输出功率匹配电动汽车的需求功率；相比于现有技术中仅对不同汽车的充电功率进行适配或者对于同一汽车在不同时间段内的充电功率适配技术，本发明同时考虑了这两种不同的情形，将这两种不同的情形简化为充电桩输出功率和电动汽车需求功率之间的供需关系。

摘要： 本发明请求保护一种基于分布式算法的高吞吐量LMS自适应滤波器。主要包括3个部分：(1)基于DA的控制模块设计(2)基于DA的辅助模块设计(3)基于DA的滤波器模块设计。本发明目的在于针对LMS自适应滤波器，构建高吞吐量和低功耗的自适应滤波器结构。创新点在于相比较传统的LMS自适应滤波器结构，本发明提出了基于DA的辅助模块，该模块使用具有特殊寻址的辅助查找表，该查找表存储输入样本的所有可能的组合，克服了每次自适应滤波器运行时，都需要更新LUT的问题，同时相比较传统的MAC单元有着更高的吞吐量，且该设计可以很容易被重新配置，可以匹配广泛的性能要求。